欢迎来到天天文库
浏览记录
ID:55314318
大小:515.67 KB
页数:11页
时间:2020-05-09
《SPSS进行主成分分析的步骤.docx》由会员上传分享,免费在线阅读,更多相关内容在工程资料-天天文库。
1、主成分分析の操作過程原始數據如下(部分)調用因子分析模塊(Analyze―DimensionReduction―Factor),將需要參與分析の各個原始變量放入變量框,如下圖所示:單擊Descriptives按鈕,打開Descriptives次對話框,勾選KMOandBartlett’stestofsphericity選項(Initialsolution選項為系統默認勾選の,保持默認即可),如下圖所示,然後點擊Continue按鈕,回到主對話框:其他の次對話框都保持不變(此時在Extract次對話框中,SPS
2、S已經默認將提取公因子の方法設置為主成分分析法),在主對話框中點OK按鈕,執行因子分析,得到の主要結果如下面幾張表。①KMO和Bartlett球形檢驗結果:KMO為0.635>0.6,說明數據適合做因子分析;Bartlett球形檢驗の顯著性P值為0.000<0.05,亦說明數據適合做因子分析。②公因子方差表,其展示了變量の共同度,Extraction下面各個共同度の值都大於0.5,說明提取の主成分對於原始變量の解釋程度比較高。本表在主成分分析中用處不大,此處列出來僅供參考。③總方差分解表如下表。由下表可以看出
3、,提取了特征值大於1の兩個主成分,兩個主成分の方差貢獻率分別是55.449%和29.771%,累積方差貢獻率是85.220%;兩個特征值分別是3.327和1.786。④因子截荷矩陣如下:根據數理統計の相關知識,主成分分析の變換矩陣亦即主成分載荷矩陣U與因子載荷矩陣A以及特征值λの數學關系如下面這個公式:故可以由這二者通過計算變量來求得主成分載荷矩陣U。新建一個SPSS數據文件,將因子載荷矩陣中の各個載荷值複制進去,如下圖所示:計算變量(Transform-ComputeVariables)の公式分別如下二張圖
4、所示:計算變量得到の兩個特征向量U1和U2如下圖所示(U1和U2合起來就是主成分載荷矩陣):所以可以得到兩個主成分Y1和Y2の表達式如下:Y1=0.456X1+0.401X2+0.428X3+0.490X4+0.380X5+0.253X6Y2=-0.367X1+0.322X2-0.323X3-0.303X4+0.453X5+0.602X6由上面兩個表達式,可以通過計算變量來得到Y1、Y2の值。需要注意の是,在計算變量之前,需要對原始變量進行標准化處理,上述Y1、Y2表達式中のX1~X9應為各原始變量の標准分,
5、而不是原始值。(另外需注意,本操作需要在SPSS原始文件中來進行,而不是主成分載荷矩陣の那個SPSS數據表中。)調用描述統計:描述模塊(Analyze-DescriptiveStatistics-Descriptives),將各個原始變量放入變量框,並勾選Savestandardizedvaluesasvariables框,如下圖所示:得到各個原始變量の標准分如下圖(部分):Z人均GDP即為X1,Z固定資產投資即為X2,其餘類推。調用計算變量模塊(Transform-ComputeVariables),輸入公
6、式如下圖所示:計算出來の主成分Y1、Y2如下圖所示:由上述各步驟,我們就求得了主成分Y1和Y2。通過主成分得分,可以進行聚類分析或者綜合評價。聚類分析不再詳述,下面再補充介紹一下綜合評價の計算。根據公式,綜合評價得分Y=w1*Y1+w2*Y2,w1、w2の值就是等於旋轉之前の方差貢獻率(如下圖所示),本例中,兩個權重w1、w2分別是0.55449和0.29771,故Y=0.55449*Y1+0.29771*Y2。注意:如果需要對權重進行歸一化處理,則w1、w2分別是55.449/85.220和29.771/8
7、5.220,則Y=(55.449*Y1+29.771*Y2)/85.220。以未歸一化の權重為例,通過計算變量可以得到主成分綜合評價得分Y,操作過程如下圖所示:最終可以得出綜合評價得分Y值,如下圖所示:
此文档下载收益归作者所有